薛月川翻译马新华校对
目的：神经系统损伤后脑自动调节功能受损是临床预后不良的预测因素。我们的目的是评估昏迷患者体温与脑自动调节之间的关系。
设计：对前瞻性设计获得数据的回顾性分析。
地点：医院神经重症监护室。
患者：年至年期间入院的85名急性昏迷患者（格拉斯哥昏迷量表评分≤8）。
干预：无。
测量和主要结果：使用近红外光谱衍生的脑血氧测定指数多模式监测来监测脑自动调节。脑血氧测定指数为局部脑氧合饱和度的低频变化与平均动脉压之间的Pearson相关系数。最初对患者在监测期间根据温度模式进行分层：无变化（最高和最低温度之间的差异1°C;n=11）,增加（≥1°C;n=9）,减少（≥1°C;n=9）,波动（≥1°C差异但没有持续的变化方向;n=56）。使用多变量逻辑回归分析的混合随机效应模型来评估每小时温度和脑血氧测定指数之间以及温度和临床结果之间的关联。脑血氧测定指数与温度呈正线性关系（β=0.04±0.10;p=0.29）。在监测期间温度持续升高或降低的患者中,温度每升高1℃,脑血氧指数在同一方向变化0.04±0.01（p0.）和0.02±0.01（p=0.12,分别在校正PaCO2,血红蛋白,平均动脉压,血管加压剂和镇静剂以及温度探针位置后）。出院3个月以及6个月时,温度模式组之间的死亡率或不良结果（改良Rankin量表评分为4-6）没有显着差异。
结论：在急性昏迷患者中,通过对脑血氧测定指数测量,发现体温升高与脑自动调节恶化有关。需要更多的研究来阐明温度升高对急性脑损伤患者脑自动调节的影响。
脑血流量（CBF）响应于脑灌注压的变化,由肌源性、神经源性、内皮以及代谢机制密切维持稳态。在急性神经损伤如创伤性脑损伤（TBI）,蛛网膜下腔出血（SAH）,颅内出血（ICH）和急性缺血性中风（AIS）,以及癫痫发作和脓毒症中,均已报道相关脑自动调节功能障碍。在这些情况下,CBF受全身其他损伤变化影响,使大脑易受二次损伤,如缺血,梗塞或出血。实际上,已确定受损的脑自动调节可作为这些急性神经损伤临床结果的强预测因子。因此,识别导致脑自动调节恶化的因素可有助于提高患者的临床恢复。
已确实,低体温可为急性脑损伤患者提供某种形式的自动调节保护。一些研究表明在TBI和心脏骤停后，低温期间仍保持对各种刺激的血管反应性。其中,Lee等报道,心脏骤停后仔猪体温过低的自动调节下限明显低于那些保持正常体温的仔猪。此外,Lavinio等先前报道了在中度低温后，当脑温超过37°C时,通过压力反应性指数测量，得出自动调节功能受损,而Cremer等指出,在40°C以上的温度下,静态自动调节功能受损。尽管进行了这些研究,但在昏迷发作后的最初几天,体温对自动调节状态的影响仍不清楚。
本研究旨在评估体温模式与CBF自动调节之间的关系。我们使用近红外光谱（NIRS）衍生的脑血氧测定指数（COx）,该指数已经在动物和人类中得到验证,作为CBF自动调节的连续临床监测的非侵入性方法。使用NIRS监测CBF自动调节依赖于使用局部脑氧饱和度（rSO2）作为CBF的替代标志物。脑氧合与CBF和组织氧扩散率呈正相关,与脑代谢率呈负相关;假设这些在整个监测过程中保持稳定,是使用NIRS确定CBF自动调节的基础。Alderliesten等对NIRS衍生的rSO2与功能性MRI衍生的CBF进行的比较证明了良好的相关性(Spearman0.85;p=0.00)。我们假设通过COx测量的CBF自动调节在较高温度下会受损并且在较低的体温下会改善。
方法
这是对一项正在进行的前瞻性研究数据的回顾性分析,该研究评估了重症神经患者中使用NIRS进行多模式监测。数据收集由约翰霍普金斯大学医学院机构审查委员会批准。由于风险最小,本研究受到书面同意的豁免。患者在-期间被确定,任何病因并用动脉导管监测,如果急性昏迷（格拉斯哥昏迷评分[GCS]评分≤8）则符合条件。排除标准包括GCS评分小于或等于8的非糖尿病患者,自动调节监测设备不可用,以及监测期间温度探针位置的变化。病因包括ICH,SAH,AIS,脑室内出血,癫痫持续状态,脑膜炎,脑室炎,脑病,TBI,硬脑膜下出血和癫痫发作。
自动调节监测
在入住医院的神经病学护理中心（NCCU）后,在床边监测患者。所有患者均有急性神经系统损伤导致的昏迷;在每位患者昏迷发作后的最初12-48小时内开始多模式监测,并持续长达3天。如果患者在此期间出现昏迷或死亡,则停止监测,如果患者被送去接受医疗程序,则停止或停止监护。如前所述,使用NIRSINVOS(脑/体血氧测定仪;Covidien,Boulder,CO)连续测量左右额叶的rSO2。放置用于临床适应症的放射状或股动脉中的动脉导管连续测量平均动脉压(MAP),并连接到临床血液动力学监测器的模拟出口(Solari;GeneralElectric,Boston,MA)。在放置后根据护理方案的要求,动脉换能器归零并在右心房处平整。使用ICM+软件（剑桥大学,剑桥,英国）处理rSO2和MAP信号（使用60Hz的模数转换器对MAP信号进行采样）以产生COx。COx代表rSO2和MAP之间连续的,移动的Pearson相关系数,其中rSO2作为CBF的替代。在5分钟的窗口内以10秒的间隔计算该系数的移动平均值。然后对这些进行平均以提供每个患者的平均COx。随着COx值接近零,自动调节得到改善,并且当值超过0.1时,自动调节受损。
温度测量
根据NCCU管理团队的确定,温度测量值记录在1小时和4小时之间。根据管理团队的指示,温度测量的位置在患者之间变化,包括食道,直肠,口腔,腋窝,前额和膀胱探针。在自动调节监测期间,个体患者的监测方法保持不变。
温度模式组
根据监测期间的温度模式对患者进行分组如下：无变化（n=11）,增加（n=9）,减少（n=9）或波动（n=56）。为了确定整个监测期间的总体温度变化,我们首先确定了每个患者达到的最小（Tmin）和最大（Tmax）温度。当Tmax-Tmin小于1℃时,患者被归类为没有温度变化。在Tmax-Tmin大于或等于1℃的情况下,我们在监测期间绘制绝对温度与时间的关系,以评估温度变化的轨迹。当Tmax-Tmin分别均匀地增加或减少大于或等于1℃时,患者被分类为具有升高或降低的温度。波动组患者的Tmax-Tmin大于或等于1°C,但没有持续的变化方向。
患者结果
使用改良Rankin量表（mRS）评估神经学结果;在出院时和出院后3个月和6个月进行评估。医院图表和使用经过验证的电话mRS问卷调查进行的。
数据分析
使用Stata14（StataCorp,CollegeStation,TX）进行数据的统计分析。Shapiro-Wilk测试用于评估连续基线变量的正态性。因此,使用连续变量的线性回归和分类变量的逻辑回归来比较每组的基线特征。最初在所有患者中评估COx和温度之间的关系,然后将它们分层为不同的温度模式组。对于每个温度模式组,在统计分析之前使用散点图来评估COx和温度之间的关系。然后使用具有随机截距的混合随机效应模型来评估每小时温度与COx之间的关联。调整CO2（PaCO2）,血红蛋白,MAP,血管加压剂和镇静剂使用以及温度探针位置,因为血管舒缩张力受前三者的影响。为了评估温度和结果之间的关联,我们进行了多变量逻辑回归。该模型根据年龄,昏迷开始时的GCS,入院时的mRS,最大颅内压（ICP）,松果体中线移位以及丘脑病变,脑疝或感染的存在进行调整。p值小于0.05时接受显著性水平。
结果
共有85名患者符合条件并纳入本研究。所有85名患者均使用COx进行监测,并在监测期间进行温度记录。患者人口统计学,合并症和临床特征在表1和补充表1（补充数字内容1,